Tekoälyn soveltaminen 12-kytkentäiseen EKG:hen keuhkoverenpainetaudin diagnosoimiseksi: havaintotutkimus
Tämän havainnointitutkimuksen tavoitteena on soveltaa tekoälyä (AI) ja koneoppimisteknologiaa lepotilassa olevaan 12-kytkentäiseen EKG:hen ja arvioida, voiko se auttaa lääkäreitä keuhkoverenpainetaudin (PH) varhaisessa diagnosoinnissa. Varhainen ja tarkka diagnoosi on tärkeä askel PH-potilaille. Se auttaa tarjoamaan tehokkaita hoitoja varhaisessa vaiheessa, mikä parantaa ennustetta ja elämänlaatua. Tärkeimmät kysymykset, joihin tutkimuksemme pyrkii vastaamaan, ovat:
- Voiko 12-kytkentäisen EKG:n tekoälyteknologia ennustaa tarkasti PH:n esiintymisen?
- Voiko 12-kytkentäisen EKG:n tekoälyteknologia tunnistaa tietyt PH:n alatyypit?
- Voiko 12-kytkentäisen EKG:n tekoälyteknologia ennustaa PH-potilaiden kuolleisuutta?
Tässä tutkimuksessa tutkijat rekrytoivat 12-kytkentäistä EKG:tä suostuvilta osallistujilta, joille on tehty oikean sydämen katetrointi (RHC) osana rutiininomaista kliinistä hoitoaan. Tekoälyteknologiaa sovelletaan näihin EKG:ihin sen arvioimiseksi, pystyykö automatisoitu tekniikka ennustamaan PH:n ja siihen liittyvien alatyyppien esiintymisen.
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Tätä tutkimusta johtavat Royal United Hospital Bath NHS Trust ja Liverpool John Mooren yliopisto. Tämän tutkimuksen tavoitteena on hyödyntää tekoälyä (AI) ja koneoppimisteknologiaa auttamaan kliinikoita keuhkoverenpainetaudin (PH) varhaisessa diagnosoinnissa. Oletamme, että tekoälytekniikat voivat parantaa PH:n havaitsemiseen liittyvien parametrien kvantifiointia ja tulkintaa. Tämä tapahtuu joko korostamalla merkittäviä poikkeavuuksia 12-kytkentäisessä EKG:ssä tai tarjoamalla nopeasti täysin automaattisia mittauksia 12-kytkentäisen EKG:n ominaisuuksista, jotka osoittavat PH:n. Näiden elektrokardiografisten ominaisuuksien yhdistelmä kliinisten tietojen kanssa voi tarjota erittäin tarkkoja ennustustyökaluja.
Tässä havainnointitutkimuksessa on retrospektiivinen ja prospektiivinen haara, jossa on 3 vuoden seurantajakso. Osallistujat eivät vaadi ylimääräisiä testejä tai toimenpiteitä missään vaiheessa tutkimuksen aikana. Kaikille EKG:ille, jotka on tehty 12 kuukauden aikana ennen osallistujan oikean sydämen katetrointia (RHC), tehdään tekoälyanalyysi sen selvittämiseksi, ovatko PH:n varhaiset indikaattorit tunnistettavissa.
Kaikille rekrytoiduille osallistujille käytetään anonymisoitua kliinikon tapausraporttilomaketta, joka tallentaa heidän väestötietoihinsa ja rutiinihoitoon liittyvät tiedot. Myös seurantaajat ja tulokset, mukaan lukien kuolleisuus ja sairastuvuus, kirjataan.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Bath, Yhdistynyt kuningaskunta
- Royal United Hospital Bath NHS Trust
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- potentiaalinen kohortti: Heinäkuusta 2023 alkaen kaikki 18-vuotiaat ja sitä vanhemmat potilaat, jotka on lähetetty Bath Pulmonary Hypertension -hoitoon, jos heillä on kliininen PH-epäily, ja joille rutiininomaisen kliinisen hoidon yhteydessä tehdään RHC ja 12-kytkentäinen EKG.
- Retrospektiivinen kohortti: Kaikille 18-vuotiaille ja sitä vanhemmille potilaille, jotka on lähetetty paikalliseen keuhkoverenpainetautien yhteishoitopalveluun vuosina 2007–2023 ja rutiininomaisen kliinisen hoidon kautta, on tehty RHC vuoden sisällä 12-kytkentäisen EKG:n jälkeen. Tähän kohorttiin kuuluvat myös kuolleet potilaat.
Poissulkemiskriteerit:
- Potilas on alle 18-vuotias
- Potilaat, jotka eivät anna pätevää suostumusta (paitsi kuolleet potilaat; REC-hyväksytty)
- Potilaat, joille ei ole tehty RHC:tä PH:n arvioimiseksi
- Potilaat, joille ei ole tehty EKG:tä 12 kuukauden sisällä RHC:stä
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Retrospektiivinen kohortti
Potilaat, jotka ovat aiemmin olleet paikallisen keuhkohypertensiopalvelun vastaanotolla vuosien 2007 ja kesäkuun 2023 välisenä aikana epäillyn keuhkoverenpainetaudin diagnoosin vuoksi ja joille on tehty oikean sydämen katetrointi (RHC), kutsuu suoran kliinisen yksikön jäsen osallistumaan tutkimukseen. hoitotiimi.
Heidän EKG:nsä analysoidaan tekoälytekniikalla algoritmin kehittämiseksi PH:n diagnosoimiseksi.
|
Tekoäly kuvaa tietokoneohjelmistoa, joka on suunniteltu matkimaan ihmisen kognitiivisia toimintoja.
Koneoppiminen on tekoälyn tyyppi, jossa luotu malli altistetaan datalle, tunnistaa kuvioita ja tunnistaa datassa näkyvien piirteiden ja "perustatuuden" väliset suhteet.
Tätä tekniikkaa sovelletaan osallistujien EKG:ihin.
|
|
Tuleva kohortti
Heinäkuusta 2023 lähtien paikalliseen PH-palveluun lähetetyt potilaat, joilla epäillään keuhkoverenpainetautia ja joille tehdään oikean sydämen katetrointi, kutsutaan tutkimukseen suoran kliinisen hoidon tiimin jäseneltä.
Heidän EKG:nsä analysoidaan tekoälytekniikalla algoritmin kehittämiseksi PH:n diagnosoimiseksi.
|
Tekoäly kuvaa tietokoneohjelmistoa, joka on suunniteltu matkimaan ihmisen kognitiivisia toimintoja.
Koneoppiminen on tekoälyn tyyppi, jossa luotu malli altistetaan datalle, tunnistaa kuvioita ja tunnistaa datassa näkyvien piirteiden ja "perustatuuden" väliset suhteet.
Tätä tekniikkaa sovelletaan osallistujien EKG:ihin.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Keuhkoverenpainetaudin diagnoosi
Aikaikkuna: perusviiva
|
Tutkijat laskevat vastaanottimen toimintakäyrän (AUROC) alla olevan alueen PH-diagnoosille tekoälytekniikalla ja vertaavat tätä RHC:hen (kultastandardi).
|
perusviiva
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Keuhkoverenpainetaudin alatyyppi
Aikaikkuna: perusviiva
|
Tutkijat arvioivat tekoälyteknologian diagnostisen testin tarkkuuden luokitellakseen osallistujien EKG:t keuhkoverenpainetaudin alatyypin mukaan ja vertaavat tätä kliiniseen tavanomaiseen arviointiin.
|
perusviiva
|
|
Kuolleisuus
Aikaikkuna: 3 vuotta
|
Tutkijat laskevat vastaanottimen toimintakäyrän (AUROC) alla olevan alueen kuolleisuuden osalta tekoälytekniikan ennustamana
|
3 vuotta
|
|
Sairastavuus
Aikaikkuna: perusviiva
|
Tutkijat laskevat vastaanottimen toimintakäyrän alla olevan alueen sairastuvuuden suhteen tekoälytekniikan ennustamana ja vertaavat tätä nykyisiin mittoihin (NYHA:n toimintaluokka, 6MWT, keuhkojen toimintatestit)
|
perusviiva
|
Yhteistyökumppanit ja tutkijat
Yhteistyökumppanit
Tutkijat
- Päätutkija: Dan Augustine, BSc, MBBS, MRCP, Royal United Bath NHS Foundation Trust
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- RD2651
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .